论文总结（2020年人工智能论文总结）论文总结（2020年人工智能论文

文章图片

论文总结（2020年人工智能论文总结）尽管今年世界上发生了这么多事情，我们还是有机会看到很多惊人的研究成果。特别是在人工智能领域。此外，今年还强调了许多重要的方面，比如伦理方面、重要的偏见等等。人工智能以及我们对人类大脑及其与人工智能的联系的理解在不断发展，在不久的将来显示出有前途的应用。
以下是本年度最有趣的研究论文，如果你错过了其中的任何一篇的话。简而言之，它基本上是一个根据发布日期列出的人工智能和数据科学最新突破的列表，配有清晰的视频解释、更深入的文章链接和代码(如果适用的话) 。
本文最后列出了每篇论文的完整参考文献。

YOLOv4: Optimal Speed and Accuracy of Object Detection [1]
这第4个版本由Alexey Bochkovsky等人于2020年4月在论文"YOLOv4: Optimal Speed and Accuracy of Object Detection"中介绍。该算法的主要目标是在精度方面做出一个高质量的超高速目标检测器。

DeepFaceDrawing: Deep Generation of Face Images from Sketches [2]
您现在可以使用这种新的图像到图像转换技术，从粗糙甚至不完整的草图生成高质量的人脸图像，无需绘图技巧!如果你的画技和我一样差，你甚至可以调整眼睛、嘴巴和鼻子对最终图像的影响。让我们看看它是否真的有效，以及他们是如何做到的。

Learning to Simulate Dynamic Environments with GameGAN [3]
这项研究由英伟达多伦多AI实验室和日本游戏大厂万代南梦宫 *BANDAI NAMCO) 一同开发，技术来自前者，数据来自后者。
简单来说，仅对简单的游戏录像和玩家输入进行学习， GameGAN 就能够模拟出接近真实游戏的环境，还不需要游戏引擎和底层代码。它的底层是在 AI 领域很有名的生成对抗网络 (GAN) 。

PULSE: Self-Supervised Photo Upsampling via Latent Space Exploration of Generative Models [4]
它可以把超低分辨率的16x16图像转换成1080p高清晰度的人脸!你不相信我?然后你就可以像我一样，在不到一分钟的时间里自己试穿一下!

Unsupervised Translation of Programming Languages [5]
这种新模型在没有任何监督的情况下将代码从一种编程语言转换成另一种编程语言!它可以接受一个Python函数并将其转换成c++函数，反之亦然，不需要任何先前的例子!它理解每种语言的语法，因此可以推广到任何编程语言!我们来看看他们是怎么做到的。

PIFuHD: Multi-Level Pixel-Aligned Implicit Function for High-Resolution 3D Human Digitization [6]
这个人工智能从2D图像生成3D高分辨率的人的重建!它只需要一个单一的图像你生成一个3D头像，看起来就像你，甚至从背后!

High-Resolution Neural Face Swapping for Visual Effects [7]
迪士尼的研究人员在论文中开发了一种新的高分辨率视觉效果人脸交换算法。它能够以百万像素的分辨率渲染照片真实的结果。。它们的目标是在保持actor的性能的同时，从源actor交换目标actor的外观。这是非常具有挑战性的，在很多情况下都是有用的，比如改变角色的年龄，当演员不在的时候，甚至当它涉及到一个对主要演员来说太危险的特技场景。目前的方法需要大量的逐帧动画和专业人员的后期处理。

Swapping Autoencoder for Deep Image Manipulation [8]